第33卷，第2期 2013年2月
光诺学、
与光谱分析
Spectroscopy and Spectral Analysis
Vol. 33, No. 2, pp344-348 February, 2013
Logistic回归算法结合近红外光谱对子宫内膜癌组织切片分类的研究
张家进，张卓勇，相玉红，杨
100048
首都师范大学化学系，北京
帆
摘要子宫内膜癌是一种常见的妇科癌症。实验将Logistic回归作为一种建模方法引人到子宫内膜癌分类诊断模型中。77个样本通过主成分判别分析和支持向量机判别分析进行降维，应用拉丁配分方法选择训练集和测试集并确定Logistic回归模型参数。结果表明，Logistic回归模型不仅能够对样本进行正确的分类，而且能将样本的分类归属趋势与临床诊断结果很好的一致。主成分判别分析结合Logistic回归有望发展为一种近红外光谱检测癌症组织的新方法。
同子宫内膜癌；近红外光谱；Logistic回归
关键词
中图分类号：0657.3
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2013)020344-05
行降维，并结合Logistic回归建立三分类的定性变量分析模型，探操讨了不同降维方法对模型的影响，该模型将采集到的近红外光谱和子宫内膜癌诊断联系起来，为子宫内膜癌无损
支持向量机（Supportvectormachine，SVM）是由 Vapnik()在20世纪90年代中期提出的一种能处理非线性分类、回归等机器学习间题的新模型。支持向量机在解决小样本、非线性及高维模式识别间题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习间题中。Kim*) 等将支持向量机作为一种数据预处理方法应用于人脸识别研究中，形成了支持向量机判别分析(SVM-DA)方法。主成分分析(PCA)作为降维方法，主要目的是消除变量间的信息重叠及滤除噪声。线性判别分析(LDA)是基于内方差尽量小、类间方差尽量大的准则建立的。
近红外光谱（NIR）在复杂体系的特征提取及鉴定[、药剂学[45)、医学诊断[的、食品[以及农产品质量监控(8]等领域有广泛的应用。徐可等应用近红外光谱技术结合模糊规则构建专家系统建立了子宫内膜癌组织切片近红外光谱分析模型。Na[0]等应用LLE局部线性嵌人预处理方法对子宫内膜癌组织切片的近红外光谱进行分析，探究了近红外光谱子宫内膜癌的早期诊断方法，并为子宫内膜癌组织近红外光谱无损伤诊断的进一步研究莫定了基础。
Logistic回归作为一种经典分类方法已被应用在很多领域，其中在诊断试验研究中该方法取得了较好的分析结果。本工作应用PC-LDA和SVM-DA方法对近红外光谱数据进
收稿日期：2012-06-17，修订日期：2012-10-28
伤诊断提供了一种新方法。
算法原理
1.1
支持向量机判别分析
训练集D的近红光谱数据和其对应的类别如下
D, = ((r,y), i= 1, 2, 3, *, n)
(1)
其中工为样本向量，是具有p个采样点的近红外光谱，%E(-1，1)为样本分类标识，当p=2时SVM分类原理如图1 所示。
(wT . rb) ≥1
借助拉格朗日乘子，得到w和6
小
ayx
b
s
(X · M) Nsv台
f(x) = wT . xb
(2)(3)(4)(5)
由式(5)将数据从原始空间映射到[一1，1]组成的空
间，即应用SVM-DA进行高维数据降维。 1.2Logistic国归
基金项目：国家自然科学基金项目（20875065)，北京市自然科学基金项目（2102010）和北京市属高等学校人才强教计划资助项目
(PHR20100718)资助
作者简介：张家进，1985年生，首都师范大学化学系硕士研究生
*通讯联系人
万方数据
e-mail: gusto2008@vip. sina. com
e-mail; zhangjiajin2@163, com